第五章 参数估计演示课件.pptVIP

1、σ已知 单侧： 双侧： 或 一、总体均数的置信区间 （一）正态分布法 精选编制 2、σ未知，但样本例数n足够大时（ｎ50） 双侧： 单侧： 或 （一）正态分布法 精选编制 3、σ未知时，n不是很大（最常用） 双侧： ～ 单侧： 或 （二）t分布法 精选编制 精选编制 表示以一定的置信区间（1-α）估计总体均数（参数）可能的波动范围； 总体均数95%CI(confidence interval)表示随机抽样100次（n固定），计算100个置信区间，平均有95个区间包含总体均数，有5个不包含；但对一次抽样来讲，只能说是包含或不包含 95%CI与99%CI的区别 点估计与置信区间的差别 正常参考值范围与置信区间的差别 精选编制 精选编制 以A表示所感兴趣的事件，A事件发生称为“成功”，不出现称为“失败”。相应的这类试验称作为“成一败型”试验或Bernoulli试验。 精选编制 满足条件 （1）每次试验结果只能是两个互斥结果之一（A或非A）。 （2）每次试验的条件不变，每次试验结果A事件发生的概率为常数?。 （3）各次试验独立，即每次试验出现事件A的概率与前面各次试验出现的结果无关。 精选编制 n次重复独立试验（Bernoulli试验），当每次试验的“阳性概率”保持不变时，出现“阳性”的次数k=0，1，2…，n的一种概率分布。 ，k=0，1，2，… n n为试验例数，k为阳性次数， π为阳性率， 精选编制 当n和?不同时，二项分布的概率是不同的，所 以说n和?是二项分布的两个重要参数。 如果随机变量x服从以n和?为参数的二项分布， 则记作x~B（n，?）。 精选编制 恰好有k例阳性数的概率为 最多发生k例，即x?k的累计概率 为 最少发生k例，即x?k的累计概率 二项分布概率的递推公式为 精选编制 精选编制 精选编制 概率论中的中心极限定理证明：当n足够大时，且?不接近于0也不接近于1时，且 n ?和n（1－ ?）≥5，二项分布x～B(n,?)近似于正态分布 N（n?， ）。 精选编制 精选编制 例5－X 从阳性率样本率?=0.6的总体中随机抽取样本量为16的样本，求样本率p的均数和标准差。 样本均数的标准差称为均数的标准误。同样样本率的标准差也称为率的标准误，它描述了样本率抽样误差的大小。 精选编制 样本率分布的正态近似 当样本量n较大，总体率?不接近于0也不接近1时，且n ?和n（1－ ?）≥5， 样本阳性率也近似服从正态分布p～N（?， ）。 事实上，总体率?，一般是不知道的，往往用p来估计?，用样本率的标准误的估计值 来估计 。 精选编制 利用样本资料可估计二项分布总体概率的1-?置信区间，一般?取 0.05或0.01。对于 ，且接P近于0或1时，可直接查表得到总体概率的（1- ? ）置信区间。 例5.5 总体率的置信区间 查表法 精选编制 当n足够大，且 P和1-P均不太小，如nP和n(1-P)均大于5时，P的抽样分布逼近正态分布。此时，可根据正态分布的特性计算总体率的置信区间。 总体率的置信区间 正态近似法 率的抽样误差，即标准误 精选编制 沈月平 副教授,PhD 医学部公共卫生学院 流行病与卫生统计教研室 E-mail：shenyueping@suda.edu.cm Office: 401-1403 精选编制 前言 第一节 抽样误差 第二节 t-分布和二项分布 第三节 单个总体参数的置信区间 第四节 两总体之差的置信区间 小结 作业 精选编制 计量资料的统计分析 统计描述 统计推断 集中趋势 离散趋势 参数估计 假设检验 点估计，区间估计 两样本均数比较t，u-test 多个样本均数比较F-test 精选编制 计数资料的统计分析 统计描述 统计推断 集中趋势 离散趋势 参数估计 假设检验 绝对数，相对数 率的标准误 点估计，区间估计 两样本率比较χ2-test 多个样本率比较χ2-test 精选编制 抽样误差（sampling error） ：由抽样造成的统计量与总体参数及样本统计量之间的差别称为抽样误差。 均数抽样误差和率的抽样误差 是建立在抽样研究基础上所发生的偏差，只能减小，不可避免 精选编制 由于随机抽样所引起的样本均数与总体均数之间的差异或样本均数之间的差异； 如何评估抽样误差？ 精选编制 如何评估抽样误差？ 抽样试验（sampling trial） 精选编制 某市2008年19岁女生身高服从均数μ=160.5cm,σ=5.2cm的正态分布； 从X～N(160.